Update preface.md

chapter_introduction/preface.md

@@ -24,6 +24,8 @@
 
 那时，我们在博客和 Github 上找到了大量的演示特定深度学习框架（例如用 TensorFlow 进行数值计算）或实现特定模型（例如 AlexNet、ResNet 等）的示例代码。然而，这些示例通常侧重于如何实现给定的方法，却忽略了有关算法设计等方面的探究。虽然在像 Distill 这样的网站或某些博客上出现了一些有关算法设计的讨论，但它们通常仅覆盖深度学习的一小部分，并常常缺少示例代码。另外，我们欣喜地看到了一些有关深度学习的教科书不断问世，其中最著名的要数 Goodfellow、Bengio 和 Courville 的《深度学习》。该书梳理了深度学习背后的众多概念与方法，是一本极为优秀的教材。然而，这类资源并没有将概念描述与实际代码相结合，以致于有时会令读者对如何实现它们感到毫无头绪。最后，商业课程提供者虽然制作了众多的优质资源，但它们的付费门槛依然令不少用户望而生畏。
 
+学习深度学习通常需要参考多方面资料，例如通过教科书或者论文来学习算法，阅读线上文档学习一个深度学习框架如何使用，然后寻找感兴趣算法在这个框架上的实现来摸索如何将它应用到自己的项目中去。将这些不同人撰写的资料整合很不容易。例如如何将公式变量对应到代码变量，区别实现细节的各个变种，以及如何跑起来别人的代码。这样即耗费力气，也需要时间。
+
 有鉴于此，我们正在着手创建一个为实现以下目标的资源：
 
 1. 所有人均可在网上免费获取。